tw-opendata-realestate — 實價登錄查詢
Corpus 概況
| Dataset | 內容 | 時間範圍 |
|---|---|---|
lvr-trades | 不動產買賣成交 | 2012-08 → 至今, 每季更新 |
lvr-rentals | 不動產租賃成交 | 2015-07 → 至今, 每季更新 |
lvr-presale | 預售屋成交 | 2021-07 → 至今 (預售屋強制揭露法), 每季更新 |
| 涵蓋區域 | 全 6 都 + 16 縣市, 全鄉鎮 | |
| 來源 | 內政部地政司 實價登錄專區 |
何時用本 skill
「實價登錄 / 房價 / 預售屋 / 租金 / 房地產 / 不動產 / 看屋 / 物件 / 坪數 / 單價 / 行情 / 都更 / 地段比較」相關時優先載入。不適用於：建商廣告價、未公開的私下成交、銀行估價、海外房產。
MCP Tools
query_rows(dataset_id, where, columns, limit) — SQL 查詢
query_rows(
dataset_id="lvr-trades",
where="city = '台北市' AND district = '大安區' AND total_price_ntd > 50000000",
columns=["transaction_date", "address", "total_price_ntd", "ping_unit_price"],
limit=50,
)
DuckDB SQL 直接跑 normalised CSV, 第一次 call 會 lazy-materialize cache。
get_dataset(dataset_id, sample_rows=3) — 看 schema + 範例
get_dataset("lvr-trades", sample_rows=3)
回 dataset metadata + 欄位列表 + 3 筆 sample 看資料長相。
search_datasets("實價登錄", domain="economy_business") — 找其他相關 dataset
少用, 已知三個 dataset_id 直接 query_rows 即可。
三個 dataset 主要欄位（公版命名）
lvr-trades (買賣)
transaction_date 交易日期 (YYYY-MM-DD)
city, district 城市 / 鄉鎮市區
address 地址 (去除門牌部分數字)
building_type 建物型態: 住宅 / 透天厝 / 公寓 / 住商混合 / ...
total_floor 總樓層
transaction_floor 交易樓層
building_age_years 屋齡 (年)
building_ping 建物坪數
land_ping 土地坪數
parking_ping 車位坪數
total_price_ntd 總價金 (新台幣元)
ping_unit_price 每坪單價 (新台幣元/坪)
parking_price_ntd 車位總價
note 備註 (含特殊交易事件)
lvr-rentals (租賃)
+ rent_ntd_per_month 月租金
+ deposit_ntd 押金
+ rental_duration_months 租期月數
+ has_furniture 是否含家具
lvr-presale (預售)
+ presale_project_name 建案名稱
+ developer 建商
+ planned_completion_date 預計完工日
+ contract_date 簽約日
範例 query
| 使用者問題 | 對應 call |
|---|---|
| 「台北大安區去年 5000 萬以上成交」 | query_rows("lvr-trades", where="city='台北市' AND district='大安區' AND total_price_ntd > 50000000 AND transaction_date >= '2024-01-01'", limit=50) |
| 「新竹東區預售屋平均單價」 | query_rows("lvr-presale", where="city='新竹市' AND district='東區'", columns=["ping_unit_price","building_ping"]) 後 client aggregate |
| 「板橋租金 3 萬以下 2 房」 | query_rows("lvr-rentals", where="city='新北市' AND district='板橋區' AND rent_ntd_per_month <= 30000") |
| 「林口建案 X 預售價格」 | query_rows("lvr-presale", where="presale_project_name LIKE '%X%' AND district='林口區'") |
| 「我想看 lvr-trades 資料結構」 | get_dataset("lvr-trades", sample_rows=5) |
最佳實踐
address已部分遮罩：門牌號是X或範圍, 不要試圖反推實際門牌- 單價 vs 總價：投資看 ping_unit_price 比較, 自住看 total_price_ntd
building_age_years可能 NULL：早期登錄沒填, 用WHERE building_age_years IS NOT NULL排除note有特殊事件：「親友交易」「含車位」「毛胚屋」會嚴重影響單價, 一定要看- 季更新有 lag：當季資料約延後 1.5 個月才完整 (i.e. 2024-Q1 在 2024-05 中才齊)
- 預售屋 ≠ 新成屋：預售屋是建案銷售時登錄, 新成屋已交屋後再賣是進
lvr-trades
注意事項
- 內政部僅公開「成交日」, 每件揭露時點延後 30 天 (依不動產經紀業管理條例)
- 「實價」是申報價, 雖有罰則但部分仍有 inflate/deflate, 適合 trend 分析不適合 single-deal valuation
- 車位、雨遮、屋簷面積 是否計入坪數 各案不同, 比較時要看
parking_ping拆開 - LVR 不含 法拍屋、繼承移轉、贈與
與其他 skill 的邊界
- 地籍 / 都市計畫圖 →
tw-opendata-geo(內政部地政司 SHP) - 房屋稅 / 地價稅 →
tw-opendata-general(財政部稅務數據) - 房屋仲介公會數據 → 不在 OpenData (商業組織)
- 建商財報 →
tw-opendata-general(證交所 dataset)